openreview-mcp-server
MCP 服务配置
复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用
{
"mcpServers": {
"anyakors-openreview-mcp-server": {
"args": [
"-m"
],
"command": "python"
}
}
}该服务需要配置环境变量：OPENREVIEW_PASSWORD、OPENREVIEW_USERNAME
服务介绍
OpenReview MCP 服务器
这是一个提供访问 OpenReview 数据的 Model Context Protocol (MCP) 服务器，用于研究和分析。该服务器允许您搜索用户、获取论文，并从主要的机器学习会议（ICML、ICLR、NeurIPS）导出研究数据。
功能
- 用户搜索：通过电子邮件地址查找 OpenReview 个人资料
- 论文检索：获取特定作者的所有论文
- 会议论文：获取特定会议（ICLR、NeurIPS、ICML）和年份的论文
- 关键词搜索：跨多个会议按关键词搜索论文
- JSON&PDF 导出：将搜索结果导出为 PDF 和 JSON 文件，方便阅读或进一步分析及编码助手使用
安装
bash
pip install -e .
配置
为本地开发创建一个 .env 文件，包含您的 OpenReview 凭证：
env
OPENREVIEW_USERNAME=your_email@domain.com
OPENREVIEW_PASSWORD=your_password
可选
OPENREVIEW_BASE_URL=https://api2.openreview.net
OPENREVIEW_DEFAULT_EXPORT_DIR=./openreview_exports
使用 Claude Code
从命令行添加服务器：
sh
claude mcp add-json openreview '{"command":"openreview-mcp-server","cwd":"/install/dir/openreview-mcp-server","env":{"OPENREVIEW_USERNAME":"username","OPENREVIEW_PASSWORD":"password","OPENREVIEW_BASE_URL":"https://api2.openreview.net","OPENREVIEW_DEFAULT_EXPORT_DIR":"./openreview_exports"}}'
或者将其添加到您的 Claude Code MCP 配置中：
json
{
"mcpServers": {
"openreview": {
"command": "python",
"args": ["-m", "openreview_mcp_server"],
"env": {
"OPENREVIEW_USERNAME": "your_email@domain.com",
"OPENREVIEW_PASSWORD": "your_password"
}
}
}
}
然后运行您的查询：
请使用 openreview mcp 搜索包含关键词 "time series token merging" 的论文，匹配所有关键词，会议为 ICLR 和 ICML 2025。
...
请导出这篇论文的内容。
示例输出
可用工具
search_user
通过电子邮件地址查找用户个人资料。
python
search_user(email="researcher@university.edu", include_publications=true)
get_user_papers
获取特定用户发布的所有论文。
输入模式：
| 字段 | 类型 | 描述 | 是否必需 | 默认值 | 允许值 |
|---|---|---|---|---|---|
email |
string | 要获取论文的用户的电子邮件地址 | 是 | — | — |
format |
string | 响应格式：summary 或 detailed | 否 | summary | summary, detailed |
python
get_user_papers(email="researcher@university.edu", format="detailed")
get_conference_papers
获取特定会议和年份的论文。
输入模式：
| 字段 | 类型 | 描述 | 是否必需 | 默认值 | 允许值 |
|---|---|---|---|---|---|
venue |
string | 会议地点（例如，"ICLR.cc"，"NeurIPS.cc"，"ICML.cc"） |
是 | — | ICLR.cc, NeurIPS.cc, ICML.cc |
year |
string | 会议年份（例如，"2024"，"2025"） |
是 | — | 四位数年份（例如，2024） |
format |
string | 响应格式：概要或详细 | 否 | summary |
summary, detailed |
python
get_conference_papers(venue="ICLR.cc", year="2024", limit=50)
search_papers
通过关键词在多个会议中搜索论文。
搜索模式：
- any: 返回至少匹配一个指定字段中的关键词的论文。只要找到任何一个关键词，论文就会被包含。
- all: 返回所有指定字段中都匹配到关键词的论文。只有包含所有关键词的论文才会被包含。
- exact: 返回在指定字段中包含确切短语（所有关键词按顺序一起出现）的论文。
输入模式：
| 字段 | 类型 | 描述 | 是否必需 | 默认值 | 允许值 |
|---|---|---|---|---|---|
query |
string | 要搜索的关键词或短语（例如，"time series token merging", "neural networks"） |
是 | — | — |
venues |
array | 要搜索的会议地点和年份列表。每个条目：• venue: string• year: string |
是 | — | — |
search_fields |
array | 搜索的字段。选项："title", "abstract", "authors" |
否 | ["title", "abstract"] |
"title", "abstract", "authors" |
match_mode |
string | 关键词匹配方式：• "any": 匹配任意关键词• "all": 匹配所有关键词• "exact": 匹配确切短语 |
否 | "all" |
"any", "all", "exact" |
limit |
integer | 返回的最大结果数 | 否 | 20 |
1–100 |
min_score |
number | 最小匹配分数（介于0.0和1.0之间） | 否 | 0.1 |
0.0–1.0 |
python
search_papers(
query="time series token merging",
match_mode="all",
search_fields=["title", "abstract"],
venues=[
{"venue": "ICLR.cc", "year": "2024"},
{"venue": "NeurIPS.cc", "year": "2024"}
],
limit=20
)
export_papers
将搜索结果导出为JSON文件以便分析。
输入模式：
| 字段 | 类型 | 描述 | 是否必需 | 默认值 | 允许值 |
|---|---|---|---|---|---|
query |
string | 导出前要搜索的关键词 | 是 | — | — |
venues |
array | 要导出的会议地点和年份列表。每个条目：• venue: string• year: string |
是 | — | — |
export_dir |
string | 导出JSON文件的目录 | 否 | ./openreview_exports |
— |
include_abstracts |
boolean | 是否在导出中包含完整的摘要 | 否 | True |
True, False |
min_score |
number | 搜索结果的最低匹配分数（0.0到1.0） | 否 | 0.2 |
0.0–1.0 |
max_papers |
integer | 导出和下载的最大论文数量 | 否 | 3 |
1–10 |
download_pdfs |
boolean | 是否下载PDF并提取全文内容 | 否 | True |
True, False |
python
export_papers(
query="neural networks",
venues=[
{"venue": "ICLR.cc", "year": "2024"},
{"venue": "ICML.cc", "year": "2024"}
],
max_papers=1,
download_pdfs=true,
include_abstracts=true,
export_dir="./research_exports"
)
示例工作流程
-
搜索感兴趣主题的论文：
python
search_papers(query="time series forecasting", match_mode="all", venues=[{"venue": "ICLR.cc", "year": "2024"}]) -
将相关论文导出为JSON文件：
python
export_papers(query="time series token merging", venues=[{"venue":"ICML.cc","year":"2025"}], max_papers=1, download_pdfs=true, include_abstracts=true) -
使用导出的JSON文件与Claude Code一起实现受研究启发的方法。
支持的会议
- ICLR (国际学习表征会议)
- NeurIPS (神经信息处理系统会议)
- ICML (国际机器学习会议)
许可证
MIT许可证
